网站大量收购闲置独家精品文档,联系QQ:2885784924

基于卷积神经网络的学术论文图像检测与对比研究及应用.pdfVIP

基于卷积神经网络的学术论文图像检测与对比研究及应用.pdf

  1. 1、本文档共66页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景与意义1

1.2国内外研究现状2

1.2.1基于卷积神经网络的目标检测算法2

1.2.2基于度量学习的图像对比算法5

1.3论文的主要工作7

1.4论文组织结构8

第二章相关理论及方法介绍10

2.1特征提取网络架构10

2.1.1经典卷积神经网络10

2.1.2进阶卷积神经网络12

2.2特征融合网络架构14

2.2.1特征金字塔14

2.2.2多层特征融合金字塔网络15

2.3回归损失18

2.3.1交并比损失18

2.3.2广义重叠损失19

2.4本章小结21

第三章基于多尺度特征融合的学术图像检测模型22

3.1模型整体架构及符号定义22

3.1.1模型整体架构22

3.1.2符号定义22

3.2基于路径增强的自适应池化特征金字塔网络23

3.3学术论文检测损失25

3.4数据集:Paper_img26

3.5实验结果及分析28

3.5.1参数设置28

3.5.2实验结果及分析28

3.6本章小结32

第四章基于全局特征和局部特征统一的图像对比模型34

4.1模型整体架构及符号定义34

4.1.1模型整体架构34

4.1.2符号定义35

4.2基于卷积神经网络的全局特征提取与损失设计36

4.2.1全局特征提取36

4.2.2全局特征损失函数设计36

4.3基于卷积神经网络的局部特征提取与损失设计37

4.3.1局部特征提取37

4.3.2局部特征损失函数设计38

4.4实验结果分析39

4.4.1参数设置39

4.4.2实验结果及分析39

4.5本章小结41

第五章学术论文图像检测系统的设计和实现43

5.1引言43

5.2系统设计43

5.3具体实现44

5.4本章小结47

第六章总结与展望48

6.1总结48

6.2展望49

参考文献50

攻读硕士期间的研究成果56

致谢58

摘要

学术论文(以下简称论文)作为衡量一个研究人员及科研能力的重要依据,论文已

成为众多高校及用人单位的重要参考标准。当前的论文查重系统,如知网、万方等资料

库对论文查重时主要对文本进行检测,对于图像内容检测目前尚未涉及。因此,如何有

效地检测论文中图像内容成为当前亟待解决的问题。

为有效检测论文中图像内容,研究人员提出了若干关于传统目标检测算法以及基于

深度学习的目标检测算法(一阶段算法和二阶段算法)。为提高目标检测性能,研究人员

又提出了很多优化方法,如提取特征的过程用FPN(FeaturePyramidNetwork)进行改进

以提高特征提取的精确性,回归的过程采用GIoUloss等改进方法来增加回归的速度和准

确率。为进一步提高图像相似度性能,研究人员们提出了孪生神经网络、生成对抗神经

网络等。目前,研究人员从精度及速度方面对检测算法进行优化,但仍存在语义理解不

充分、局部特征匹配不准确等缺陷。

本文

文档评论(0)

论文资源 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档